共查询到10条相似文献,搜索用时 15 毫秒
1.
针对当前小型无人机目标图像识别方法准确率较低的问题,提出了一种基于迁移集成学习的无人机图像识别算法。首先,基于AlexNet、VGGNet-19、Inception-V3以及ResNet-50四种结构具有差异的卷积神经网络对源数据集进行预训练,获取图像的深层次特征;然后,对目标数据集进行迁移学习,得到目标的分类特征,构建分类模型;之后,采用相对多数投票法和加权平均法的集成学习方法,对分类模型进行集成得到迁移集成模型。构建了一个包含小型无人机图像、飞鸟图像以及直升机图像的图像数据集UavNet,在对数据集进行数据增强的基础上开展了图像识别算法性能实验,结果表明,算法对多类目标的识别准确率为99.42%,无人机类目标识别的F1-score指标为99.12%,优于主流的卷积神经网络方法和传统的支持向量机方法,具有一定的理论意义和应用价值。 相似文献
2.
3.
4.
车牌识别在智能交通系统中有着广泛的应用,具有重要的意义,是图像识别领域一个重要而富有挑战性的研究课题.目前的许多方法只能适应在特定的环境下,才能完成正常的识别.而在现实复杂的场景中的鲁棒性不高.本文提出了一种在复杂的场景中鲁棒的车牌识别方法.首先,通过EfficientDet网络检测车辆所在的位置,从而缩小车牌位置的搜索范围,通过失真校正的车牌检测网络,检测并校正同一幅图像中一个或多个严重扭曲或倾斜的车牌;其次,将校正后的车牌输入到卷积递归神经网络(CRNN)和联接主义时态分类(CTC)的时态分类结合的车牌识别神经网络中,最终获得车牌的准确信息.实验结果表明,该方法在检测和识别的精度和速度上均优于其它方法. 相似文献
5.
为解决智能辅助驾驶技术中可见光摄像机受光照和气候影响而导致行人目标识别困难的问题。通过研究图像融合技术,结合深度卷积神经网络,实现并改进了一种道路行人目标检测算法。方法是利用多源传感器图像融合技术,采用可见光相机与红外热成像相机融合的策略,以Faster RCNN算法为基础,从改进网络结构、特征融合、优化模型训练等方面展开研究,对复杂环境下的行人检测与定位跟踪展开研究,提出一种基于图像融合技术和改进的深度卷积神经网络的道路行人目标检测算法。实验结果表明,该算法对复杂气候环境下行人目标检测提高了检测效率和准确率,增加了智能辅助驾驶汽车的安全性。 相似文献
6.
为提高文字图像识别结果与文字图像实际分类结果的相似度,引入卷积神经网络DL算法,开展对文字图像识别方法设计研究.通过构建卷积神经网络文字图像识别层级模型、基于DL算法的模型训练、文字图像识别结果分类,提出一种全新的识别方法.分析对比实验结果得出,设计方法的识别结果相似度更高,识别误差更小,可以实现对文字图像识别精度的提... 相似文献
7.
8.
《无线电通信技术》2018,(2):160-164
交通标志的图像在采集过程中由于运动模糊、背景干扰、光照以及交通标志局部遮挡破损等因素,所获得其图像质量往往不高,严重影响了识别率和识别速度。针对这一问题,采用改进的深度卷积神经网络进行识别,通过对采集到的图像进行光照均衡化处理、颜色增强、用MSER算法进行滤除后,分割出交通标志所在的感兴趣区域(ROI);然后把分割的感兴趣区域输入深度卷积神经网络进行一系列的卷积和池化处理,形成交通标志图像的特征子图,再将特征子图转化成为一维的特征矢量;最后通过一个全连接的BP网络完成一维特征矢量的分类识别,输出结果。在德国交通标志基准库(GTSDB)和现实场景拍摄的数据集上,将该方法与SVM方法和传统的CNN交通标志识别方法进行实验比较,结果表明与SVM和传统CNN的方法相比,基于ROI和卷积神经网络的交通标志识别方法在识别率和识别速度上有明显的提高。 相似文献
9.
神经网络图像识别技术属于图像识别中一种新型技术,主要是基于传统图像识别方式及基础,同时结合了神经网络算法的图像识别方式.神经网络图像识别首先是提取图像特征,再将所提取的图像特征发送于神经网上,用识别器对其进行深层识别.或是BP神经网络图像识别方式无须进行图像提取,是将图像数据直接用作神经网络识别器输入.本文详细分析了神经网络图像识别技术及其方法分析,并提出实用性应用策略. 相似文献